Car Sales¶

SUPSI - Data Science - 2022/2023

Author: Daniel Ibrahim

Group: R

Introduzione¶

Questo dataset si basa sulle vendite di auto che include informazioni su diversi concessionari di vendita di auto e il modello delle auto vendute in diverse regioni degli Stati Uniti ed é reperibile al seguente link: https://www.kaggle.com/datasets/sachinsachin/car-sales

La fonte del dataset non specifica di che tipo di reddito si tratta la colonna "Annual Income", pertanto viene interpretata come reddito annuale del cliente.

Importazioni dei dati e delle librerie necessarie per l'analisi¶

In [1]:
import numpy as np
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots

df = pd.read_csv("Car Sales.CSV",sep=';')

Sistemazione date¶

In [2]:
df["Date"] = pd.to_datetime(df["Date"],format="%d.%m.%Y")

1. Analisi del prezzo in relazione con il reddito annuale del cliente¶

Si ricorda che la colonna "Annual Income" viene interpretata come reddito annuale del cliente.

1.1 Distribuzione del prezzo delle auto sull'intero dataset per quantità¶

In [3]:
fig = px.histogram(data_frame = df, x = "Price in thousands")

fig.update_layout(
    title="Distribuzione del prezzo delle auto per quantità",
    xaxis=dict(title="Prezzo in migliaia [$]"),
    yaxis=dict(title="Quantità"),
    width=1000,
    height=600,
)

fig.show()

1.2 Distribuzione del reddito annuale del cliente sull'intero dataset per quantità¶

In [4]:
fig = px.histogram(data_frame = df, x = "Annual Income")

fig.update_layout(
    title="Distribuzione reddito annuale",
    yaxis=dict(title="Quantità"),
    xaxis=dict(title="Reddito annuale"),
    width=1000,
    height=600,
)

fig.show()

1.3 Analisi del rapporto tra il prezzo delle auto e il reddito annuale del cliente¶

In [5]:
fig = px.scatter(df,
                   x= "Annual Income",
                   y= "Price in thousands",
                 title="Prezzo delle auto in relazione al reddito",
                  )

fig.update_layout(
    yaxis=dict(title="Prezzo in migliaia [$]"),
    xaxis=dict(title="Reddito annuale"),
    width=1000,
    height=800,
)

fig.show()

coefficiente di correlazione¶

In [6]:
print(np.corrcoef(df["Annual Income"], df["Price in thousands"])[0,1])

0.010300041845895136

1.4 Commento¶

Si puo' osservare che tra il reddito annuale e il prezzo non c'e una relazione, infatti questa e' stata verificata nuovamente calcolando il coefficiente di correlazione che era pari a 0, il che conferma che non esiste una relazione lineare tra le due variabili.

2. Analisi del reddito massimo basato su 10 marche automobilistiche¶

Le 10 marche su cui si lavora sono: Ford, Toyota, Mitsubishi, Volkswagen, BMW, Nissan, Hyundai, Porsche, Mercedes-B, Audi. L'analisi é voluta svolgersi sul massimo reddito, poiché analizzando il reddito medio o il reddito minimo risultavano poche differenze se non nulle. Si ricorda che la colonna "Annual Income" viene interpretata come reddito annuale del cliente.

2.1 Preparazione strumenti di analisi¶

2.1.1 Raggruppamento dei dati inerenti alle 10 marche¶

In [7]:
df_marche = df[(df["Company"] == "Ford") | (df["Company"]=="Toyota")
                    | (df["Company"]=="Mitsubishi") | (df["Company"]=="Volkswagen")
                    | (df["Company"]=="BMW") | (df["Company"]=="Nissan")
                    | (df["Company"]=="Hyundai") | (df["Company"]=="Porsche")
                    | (df["Company"]=="Mercedes-B") | (df["Company"]=="Audi")]

2.1.2 Ordinamento per marchio¶

In [8]:
df_marche = df_marche.sort_values(by=["Company"])

2.1.3 Raggruppamento dei redditi in base al marchio e ordinamento in base al massimo reddito¶

In [9]:
df_reddito_marchio = df_marche["Annual Income"].groupby(df_marche["Company"]).max().sort_values(ascending=False)

2.1.4 Ordinamento degli indici¶

In [10]:
df_reddito_marchio = df_reddito_marchio.sort_index()

2.1.5 Salvataggio dei dati¶

In [11]:
valori = df_reddito_marchio.values
indici = df_reddito_marchio.index

2.2 Distribuzione del reddito annuale del cliente sull'intero dataset per quantità¶

In [12]:
fig = px.histogram(data_frame = df, x = "Annual Income")

fig.update_layout(
    title="Distribuzione reddito annuale",
    yaxis=dict(title="Quantità"),
    xaxis=dict(title="Reddito annuale"),
    width=1000,
    height=600,
)

fig.show()

2.3 Distribuzione delle 10 marche sull'intero dataset per quantità¶

In [13]:
fig = px.histogram(df_marche,
                   x= "Company",
                  )

fig.update_layout(
    title="Distribuzione delle auto su 10 marche",
    yaxis=dict(title="Quantità"),
    xaxis=dict(title="Marchio", categoryorder='category ascending'),
    width=1000,
    height=800,
)

fig.show()

2.4 Analisi¶

In [14]:
fig = px.bar(x=indici,y=valori)

fig.update_layout(
    title="Distribuzione reddito massimo su 10 marche",
    xaxis=dict(title="Marchio",categoryorder='total descending'),
    yaxis=dict(title="Reddito"),
    width=1000,
    height=600,
)

fig.show()

2.5 Commento¶

Si vede dal grafico che il marchio predominante é Mercedes-B, un marchio Europeo. Inoltre si nota che alcuni marchi risultano meno acquistati rispetto al reddito, quando invece ci si aspetta il contrario, per esempio: Porsche, Audi, Volkswagen; quando invece si tende ad andare versi altri marchi come: Hyundai, BMW, Ford.

3. Analisi di auto nuove e d'occasione basate su 10 marche automobilistiche¶

Le 10 marche su cui si lavora sono: Ford, Toyota, Mitsubishi, Volkswagen, BMW, Nissan, Hyundai, Porsche, Mercedes-B, Audi.

3.1 Preparazione strumenti di analisi¶

3.1.1 Creazione colonna con condizione basata sulle date di vendita e l'anno della vettura¶

In [15]:
df["Tipologia di auto"] = np.where(df["Date"].dt.year == df["Year"],"NUOVA","USATA")

3.1.2 Raggruppamento dei dati inerenti alle 10 marche¶

In [16]:
df_marche_usate_nuove = df.copy(deep=True)

df_marche_usate_nuove = df_marche_usate_nuove[(df_marche_usate_nuove["Company"] == "Ford") | (df_marche_usate_nuove["Company"]=="Toyota")
                    | (df_marche_usate_nuove["Company"]=="Mitsubishi") | (df_marche_usate_nuove["Company"]=="Volkswagen")
                    | (df_marche_usate_nuove["Company"]=="BMW") | (df_marche_usate_nuove["Company"]=="Nissan")
                    | (df_marche_usate_nuove["Company"]=="Hyundai") | (df_marche_usate_nuove["Company"]=="Porsche")
                    | (df_marche_usate_nuove["Company"]=="Mercedes-B") | (df_marche_usate_nuove["Company"]=="Audi")]

3.1.3 Ordinamento in base al marchio¶

In [17]:
df_marche_usate_nuove = df_marche_usate_nuove.sort_values(by=["Company"])

3.2 Distribuzione delle 10 marche per quantità sull'intero dataset¶

In [18]:
fig = px.histogram(df_marche_usate_nuove,
                   y= "Company",
                   orientation="h",
                  )

fig.update_layout(
    title="Distribuzione delle auto su 10 marche",
    xaxis=dict(title="Quantità"),
    yaxis=dict(title="Marchio", categoryorder='category descending'),
    width=1000,
    height=800,
)

fig.show()

3.3 Analisi¶

In [19]:
fig = px.histogram(df_marche_usate_nuove,
                   y= "Company",
                   color = "Tipologia di auto",
                   orientation="h",
                   barmode="stack",
                  barnorm="percent")

fig.update_layout(
    title="Distribuzione delle auto per marchio",
    legend_title="Tipologia di auto",
    xaxis=dict(title="Percentuale", ticksuffix="%"),
    yaxis=dict(title="Marchio", type='category', categoryorder='category descending'),
    width=1000,
    height=600,

)

fig.update_traces(textposition="inside", texttemplate= "%{x:.1f}%")
fig.show()

3.4 Commento¶

Si nota che per quanto riguarda la hyundai domina la tendenza a comprare un'auto d'occasione e mentre per la Volkswagen si ha una percentuale molto bassa rispetto agli altri marchi.

4. Analisi del prezzo basato su 10 marche automobilistiche¶

Le 10 marche su cui si lavora sono: Ford, Toyota, Mitsubishi, Volkswagen, BMW, Nissan, Hyundai, Porsche, Mercedes-B, Audi.

4.1 Analisi¶

In [20]:
fig = px.box(df_marche, orientation="h", y="Company", x="Price in thousands")

fig.update_layout(
    title="Distribuzione del prezzo su 10 marche",
    yaxis=dict(title="Marchio"),
    xaxis=dict(title="Prezzo in migliaia [$]"),
    width=1000,
    height=800,
)

fig.show()

4.2 Commento¶

Si puo' notare che i dati sono asimmetrici. Ci sono degli outlier che possono essere dovuti a errori o possibile natura insolita. Inoltre Hyundai e Porsche hanno un range molto inferiore rispetti agli altri.

5. Analisi della vendita di auto nuove da parte dei concessionari sulle diverse marche¶

L'analisi é centrata sull'avere un'idea della distribuzione di auto nuove di alcune marche sui concessionari, ciò non implica dover visualizzare ogni singolo marchio.

5.1 Preparazione strumenti di analisi¶

5.1.1 Raggruppamento dati delle auto nuove¶

In [21]:
df_auto_nuove = df[(df["Date"].dt.year == df["Year"])]

5.1.2 Raggruppamento il numero di auto di ogni marchio per ogni concessionario¶

In [22]:
t_raccolta = df_auto_nuove.groupby(["Dealer_Name","Company"]).size().unstack(fill_value=0)

5.2 Distribuzione delle marche sulle auto nuove¶

In [23]:
fig = px.histogram(data_frame = df_auto_nuove, x = df_auto_nuove["Company"], title="Distribuzione marche - Vendita auto nuove")
fig.layout["xaxis"]["title"] = "Marchio"
fig.layout["yaxis"]["title"] = "Quantità"

fig.update_layout(
    xaxis=dict(categoryorder='total descending'),
)

fig.show()

5.3 Analisi¶

In [24]:
fig = px.imshow(t_raccolta,width=1000, height=800, title = "Distribuzione marche - Vendita auto nuove per concessionario")

fig.update_layout(
    legend_title="Quantità",
    xaxis=dict(title="Marchio"),
    yaxis=dict(title="Concessionario"),
)

fig.show()

5.4 Commento¶

Si puo' notare maggiore concentrazione da parte dei ultimi 10 concessionari, dove c'é una tendenza ai marchi europei.

6. Analisi della vendita di auto d'occasione da parte dei concessionari sulle diverse marche¶

L'analisi é centrata sull'avere un'idea della distribuzione di auto d'occasione di alcune marche sui concessionari, ciò non implica dover visualizzare ogni singolo marchio.

6.1 Preparazione strumenti di analisi¶

6.1.2 Raggruppamento dati delle auto d'occasione¶

In [25]:
df_auto_occasione = df[(df["Date"].dt.year != df["Year"])]

6.1.3 Raggruppamento il numero di auto di ogni marchio per ogni concessionario¶

In [26]:
tx_raccolta = df_auto_occasione.groupby(["Dealer_Name","Company"]).size().unstack(fill_value=0)

6.2 Distribuzione delle marche sulle auto d'occasione¶

In [27]:
fig = px.histogram(data_frame = df_auto_occasione, x = df_auto_occasione["Company"], title="Distribuzione marche - Vendita auto d'occasione")

fig.layout["xaxis"]["title"] = "Marchio"
fig.layout["yaxis"]["title"] = "Quantità"

fig.update_layout(
    xaxis=dict(categoryorder='total descending'),
)
fig.show()

6.3 Analisi¶

In [28]:
fig = px.imshow(tx_raccolta,width=1000, height=800, title = "Distribuzione vendite - Auto d'occasione per concessionario")

fig.update_layout(
    legend_title="Quantità",
    xaxis=dict(title="Marchio"),
    yaxis=dict(title="Concessionario"),
)

fig.show()

6.4 Commento¶

Si puo' notare maggiore concentrazione da parte dei ultimi 10 concessionari, dove c'é una tendenza ai marchi americani.